セミナー 印刷

第一原理計算と機械学習を用いた
材料設計へのアプローチ

~第一原理計算と機械学習力場の基礎と
機械学習力場活用の最新動向・最新事例~

受講可能な形式:【ライブ配信】or【アーカイブ配信】のみ
基礎原理から機械学習力場活用の最新動向
計算コストの問題、適用範囲の限界の解決に向けて

理論計算を用いて材料設計にどのプローチできるのか
触媒設計と固液界面解析の最新事例を紹介

 第一原理計算の基礎と応用に関する知識
 「機械学習力場」の概念・作成方法・応用に関する知識
 触媒開発への第一原理/機械学習の活用方法
 機械学習分子動力学法の先端活用事例
日時 【ライブ配信】 2026年6月26日(金)  13:00~16:30
【アーカイブ配信】 2026年7月15日(水)  まで受付(視聴期間:7/15~7/29)
受講料(税込)
各種割引特典
定価:本体45,000円+税4,500円
E-Mail案内登録なら、2名同時申込みで1名分無料 1名分無料適用条件
2名で49,500円 (2名ともE-Mail案内登録必須​/1名あたり定価半額の24,750円)
3名で74,250円 (3名ともE-Mail案内登録必須​) 
※4名以上も1名追加ごとに24,750円を加算
テレワーク応援キャンペーン(1名受講)【オンライン配信セミナー受講限定】

1名申込み:  受講料 39,600円(E-Mail案内登録価格 37,840円 )
 定価:本体36,000円+税3,600円
 E-Mail案内登録価格:本体34,400円+税3,440円
  ※1名様でオンライン配信セミナーを受講する場合、上記特別価格になります。
  ※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。
  ※他の割引は併用できません。
配布資料PDFデータ(印刷可・編集不可)
※ライブ配信受講は開催2日前を目安にS&T会員のマイページよりダウンロード可となります。
※アーカイブ配信受講は配信開始日からダウンロード可となります。

 
オンライン配信ライブ配信(Zoom) ►受講方法・接続確認申込み前に必ずご確認ください
アーカイブ配信 ►受講方法・視聴環境確認申込み前に必ずご確認ください
備考※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。
得られる知識・第一原理計算の基礎と応用に関する知識
・「機械学習力場」の概念・作成方法・応用に関する知識
・触媒開発への第一原理/機械学習の活用方法
・機械学習分子動力学法の先端活用事例
対象主に
第一原理計算と機械学習を用いた物質探索や活用事例に興味のある方
キーワード:第一原理計算、機械学習、分子動力学法

セミナー講師

名古屋大学 大学院工学研究科 材料デザイン工学専攻 計算材料設計講座
准教授 博士(工学) 大戸 達彦 氏
【講師紹介】

セミナー趣旨

 最近、機械学習を援用することで第一原理計算を活用した物質設計の可能性が大きく広がっている。物質に関する経験的な知識から出発するシミュレーションは、適用範囲に限界があるが、第一原理計算は対象を選ばないものの計算コストが高いことが問題であった。機械学習を活用すると、その計算コストの問題を克服できる可能性が高まる。
 本セミナーでは、第一原理計算と機械学習力場の基礎を解説し、講演者の研究事例を中心に、理論計算を用いて材料設計にどのようにアプローチできるかを解説する。具体的な事例としては、多種の元素を含む水分解触媒の探索・設計と、既存の古典力場の適用が難しい複雑な固液界面における分子動力学法の活用について紹介する。

セミナー講演内容

1.第一原理計算の基礎と触媒性能評価への活用
 1-1.密度汎関数法の基礎
 1-2.なぜ第一原理計算が有用か
 1-3.触媒活性評価のための第一原理計算

2.分子動力学法の基礎と現状
 2-1.全原子分子動力学シミュレーション
 2-2.古典分子動力学法と第一原理分子動力学法
 2-3.分子動力学計算の活用事例

3.機械学習力場の基礎
 3-1.機械学習力場の必要性
 3-2.カーネル回帰型
 3-3.ニューラルネットワーク型
 3-4.汎用機械学習力場と、よく用いられる機械学習力場の概況

4.触媒性能評価への活用事例
 4-1.固体高分子型水電解
 4-2.水電解の仕組みと触媒の学術研究動向
 4-3.卑金属電極触媒の開発戦略
 4-4.高エントロピー合金触媒の作製と評価
 4-5.9元合金の機械学習力場の構築
 4-6.機械学習力場を援用した触媒活性評価

5. 複雑系の分子動力学計算への活用事例
 5-1.第一原理的手法の必要性と限界
 5-2.コンカレントラーニング法
 5-3.固液界面への機械学習分子動力学法の活用

質疑応答